La frase “asociación no es causalidad” se utiliza a menudo en epidemiología. Enumere cinco factores no causales que pueden conducir a una asociación. Justifica la respuesta.
1. Sesgo de confusión. Se produce cuando un tercer factor está relacionado tanto con la exposición como con el desenlace, es decir el sesgo de confusión ocurre cuando un tercer factor, llamado confusor, está asociado tanto con la exposición como con el desenlace, y por esa razón crea una asociación falsa o distorsionada entre ellos. En otras palabras, parece que la exposición causa el desenlace, pero en realidad el confusor es el verdadero responsable.
Ejemplo: Parecería que el café causa cáncer de pulmón, pero el factor real es el tabaquismo, que se asocia a ambos.
2. Sesgo de selección
La forma en que se eligen los participantes introduce una asociación falsa.
El sesgo de selección ocurre
cuando la forma en que se eligen o se incluyen los participantes en un estudio
hace que los grupos comparados no sean representativos de la población que
realmente se quiere estudiar.
Como resultado, puede aparecer una asociación falsa entre la exposición y el
desenlace, o distorsionar la magnitud de una asociación verdadera.
Ejemplo: Un estudio hospitalario puede sobre-representar a pacientes más graves, dando una asociación distinta a la real.
3. Sesgo de información
Errores al medir exposición o
enfermedad generan una asociación falsa, entonces ocurre cuando la medición
de la exposición o del desenlace es incorrecta, de manera
diferente entre los grupos del estudio.
Como resultado, se produce una clasificación errónea de los
participantes, lo que puede: crear una asociación que no existe, u ocultar una
asociación real, o exagerar o disminuir la relación entre exposición y
enfermedad.
4. Azar
El resultado puede deberse a
fluctuaciones normales de los datos, especialmente con muestras pequeñas. El azar
es un factor no causal que puede producir una asociación aparente entre una
exposición y un desenlace simplemente por fluctuaciones aleatorias, no porque
la relación sea real.
Es decir, la asociación observada puede deberse únicamente a la variabilidad
natural que ocurre cuando medimos fenómenos en muestras de población. Ejemplo: Una
muestra pequeña puede mostrar una relación inexistente solo por casualidad.
5.Coincidencias temporales
Un evento ocurre al mismo tiempo
que otro, pero es casual. Se produce cuando dos eventos ocurren en el mismo
período de tiempo, pero sin que uno cause al otro, hablamos de coincidencia
temporal.
Es decir, la relación se interpreta como causal solo porque sucedieron juntos,
pero en realidad es casualidad, no causalidad. Ejemplo: Aumento de gripe justo cuando se implementa una campaña de vacunación
NO significa que la vacuna cause gripe.
Bibliografía:
1. Höfler M. The Bradford Hill considerations on causality: a counterfactual perspective. Emerg Themes Epidemiol. 2005 Nov 3;2:11. doi: 10.1186/1742-7622-2-11. PMID: 16269083; PMCID: PMC1291382.
2. Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 4th Edition. Philadelphia: Wolters Kluwer; 2021.
o Contiene explicaciones detalladas sobre confusión, sesgo, azar, causalidad y factores no causales.
3. Gordis L. Epidemiology. 6th Edition. Philadelphia: Elsevier; 2020.
4. Porta M (Ed.). A Dictionary of Epidemiology. 7th Edition. Oxford University Press; 2014.
a. Define sesgo de selección, confusión, azar y coincidencias temporales.
5. Hennekens CH, Buring JE. Epidemiology in Medicine. Boston: Little, Brown and Company; 1987.
a. Clásico sobre diseño de estudios y factores que generan asociaciones no causales.